西湖大学张岳：自然语言处理中的多任务联合学习（384页PPT）

【导读】西湖大学张岳博士在EMNLP2018 上做了《Joint Models for NLP 》的Tutorial。

自然语言处理中的很多任务包含多个步骤。比如，分词是很多中文处理任务的基础。每个步骤任务可以分别建模,形成一个多部模型。然而,多部模型具有两个缺点。首先,不同步骤之间存在错误蔓延。其次,不同步骤之间难以共享信息。联合模型可以用于解决以上问题。构造联合模型的挑战有两点。第一,不同步骤的搜索空间组合形成算法挑战。第二，不同步骤之间信息共享形成建模挑战。这次讲习班讨论联合模型用于不同自然语言处理任务,从统计模型开始,到神经原网络模型为止。基于图和基于转移的模型会被讨论。

张岳

张岳，2003年毕业于清华大学计算机科学专业，获得学士学位；2006年毕业于牛津大学计算机科学专业，获得硕士学位；2009年毕业于牛津大学计算机科学专业，获得博士学位。2010年3月-2012年6月在剑桥大学计算机科学专业从事博士后研究，2012年7月-2018年8月在新加坡科技与设计大学担任助理教授。拟定2018年全职回国工作。

个人主页：

https://frcchang.github.io/index.html

http://www.wias.org.cn/index.php?a=kydetail&catid=487&id=8925&web=chinese

请关注专知公众号（扫一扫最下面专知二维码，或者点击上方蓝色专知）

• 后台回复“JMNLP” 就可以获取全文报告 PPT下载链接~ 

报告PPT

PPT内容较多，建议在后台下载全部内容查看。

-END-

专 · 知

人工智能领域26个主题知识资料全集获取与加入专知人工智能服务群: 欢迎微信扫一扫加入专知人工智能知识星球群，获取专业知识教程视频资料和与专家交流咨询！

请PC登录www.zhuanzhi.ai或者点击阅读原文，注册登录专知，获取更多AI知识资料！

请加专知小助手微信（扫一扫如下二维码添加），加入专知主题群（请备注主题类型：AI、NLP、CV、 KG等）交流~

 AI 项目技术 & 商务合作：bd@zhuanzhi.ai, 或扫描上面二维码联系！

请关注专知公众号，获取人工智能的专业知识！

点击“阅读原文”，使用专知